GCP Vision API を gcloud から使ってラベル検出と OCR を試す手順

2026年6月6日

はじめに

「画像に写っているものを自動で識別したい」「画像内の文字をテキストとして抽出したい」——こうした要件を自前でモデルを用意せずに実現できるのが、GCP の Vision API です。本記事では、gcloud SDK 環境から Vision API を使ってラベル検出（物体識別）と文字認識（OCR）を試す手順を解説します。

コマンド 1 行で画像認識が動く体験を通じて、Vision API の概要をつかんでもらえる内容です。

Vision API とは

Vision API は、Google のML（機械学習）技術を活用した画像認識サービスです。大量の画像データから学習済みのモデルを API として提供しているため、独自モデルの準備が不要で手軽に利用できます。主な機能は以下のとおりです。

  • ラベル検出（detect-labels）: 画像に写っているものを英語で識別し、信頼スコアとともに返す
  • 文字認識・OCR（detect-text）: 画像内のテキストを抽出してテキストデータとして返す
  • その他：顔検出・ランドマーク検出・不適切コンテンツ検出など多数の機能を提供

前提環境

カテゴリツール・技術役割
実行環境gcloud SDK コンテナ（または Cloud Shell）gcloud CLI コマンドの実行環境
GCP サービス（認識実行）Cloud Vision API画像のラベル検出・文字認識を実行
GCP サービス（画像保存）Google Cloud Storage（GCS）認識対象の画像を保存するバケット

Vision API で画像認識を実行する手順

1. Vision API を有効化する

課題：デフォルト状態では Vision API が無効になっている。
解決策：GCP コンソールの「API とサービス」→「ライブラリ」で「Cloud Vision API」を検索して有効化する。

API の有効化手順は前回の記事（Text-to-Speech API）と同じです。検索ボックスに「Vision」と入力し、「Cloud Vision API」を選択して「有効にする」をクリックします。

2. GCS バケットに画像をアップロードする

課題：Vision API に渡す画像を GCS か gcloud 環境のローカルに用意する必要がある。
解決策：GCS バケットを作成して画像をアップロードし、gs:// URI を取得する。

GCP コンソール左側メニューから「Storage」→「ブラウザ」を選択します。

GCP コンソールの Cloud Storage ブラウザ画面

「バケットを作成」をクリックします。

GCS バケット一覧画面と「バケットを作成」ボタン

バケット名（プロジェクト内で一意の名前）を入力し、データの保存先リージョンを選択して「作成」をクリックします。

GCS バケット作成設定画面（名前とリージョン選択）

バケットが作成できたら、認識させたい画像ファイルをアップロードします。

GCS バケットに画像ファイルをアップロードした後の一覧画面

アップロードしたファイルをクリックすると詳細画面に遷移します。「URI」欄に表示されている gs:// から始まるパスをコピーしておきます。このパスを Vision API のコマンドに渡します。

GCS オブジェクト詳細画面で gs:// URI を確認する

3. ラベル検出でオブジェクトを識別する

課題：画像に何が写っているかを自動識別したい。
解決策：gcloud ml vision detect-labels コマンドに GCS の URI を渡すだけで識別できる。

以下のコマンドを実行します。--max-results は返却する候補数の上限です（省略可能）。

gcloud ml vision detect-labels gs://YOUR_BUCKET/YOUR_IMAGE.jpg --max-results=1
gcloud ml vision detect-labels の実行結果（動物の種類が識別された）

レスポンスに含まれる主なパラメータの意味は以下のとおりです。

  • mid: 識別されたオブジェクトのナレッジグラフ ID
  • score: 識別の信頼度（1 に近いほど確信度が高い）
  • topicality: 画像全体との関連度（1 に近いほど画像の主題に関連している）

4. 文字認識（OCR）を実行する

課題：画像内のテキストをデータとして取り出したい。
解決策：gcloud ml vision detect-text コマンドで OCR を実行できる。

文字が含まれる画像を GCS にアップロードして以下を実行します。

OCR テスト用に用意したテキスト入り画像
gcloud ml vision detect-text gs://YOUR_BUCKET/YOUR_TEXT_IMAGE.jpg
gcloud ml vision detect-text の実行結果（画像内テキストが抽出された）

画像内のテキストが正確に抽出されています。日本語・英語混在の画像でも高精度で認識できます。

まとめ：Vision API で画像認識を手軽に実装する方法

本記事で解説した手順をまとめます。

  • GCS バケットに画像をアップロードして gs:// URI を取得するのが最もシンプルな画像準備方法
  • gcloud ml vision detect-labels 1 コマンドで画像内オブジェクトを識別できる
  • レスポンスの score と topicality で識別の確信度と関連度を確認できる
  • gcloud ml vision detect-text で画像内のテキストを OCR として抽出できる
  • 独自モデルなしで利用できるため、プロトタイプや小規模な用途に即戦力になる

次回は、同じ gcloud 環境から Kubernetes クラスタを起動して基本操作を試す手順を解説します。

GCPGCP,vision api